Wenn ihr eine Produktfreigabe oder eine KI-Nutzung trotz bekannter Datenmängel freigeben wollt, braucht ihr zwei klare Namen. Wer unterschreibt die Freigabe mit sichtbaren Defekten. Wer trägt den Fehlschlag, wenn Kunden, Aufsicht oder Ergebnis darunter leiden. Fehlen diese Namen, bleibt Datenqualität ein gemeinsames Anliegen und kein Geschäftsrisiko mit benannter Folge.
Stellt euch einen Termin vor dem Launch vor. Das Data-Team hat fehlende Kohorten und dünne Labels in einem Markt dokumentiert. Vertrieb will den Termin halten. Compliance will verschieben. Ohne einen gezeichneten Namen für die Akzeptanz der Defekte und ohne einen Namen für die Kosten des Fehlschlags endet die Runde mit einem Appell an bessere Qualität und keiner Entscheidung.
Datenqualität als Geschäftsrisiko heißt nicht, dass euer Data-Team saubere Pipelines baut. Es heißt, dass jemand schriftlich akzeptiert, mit unvollständigen Labels, fehlenden Kohorten oder verzerrten Stichproben live zu gehen, und danach den Schaden trägt.
In einer Vorlage für Vorstand oder Beirat sieht das konkret aus. Erstens: welche Defekte sind zum Freigabezeitpunkt bekannt und dokumentiert. Zweitens: welche Restfehlerquote oder welche fehlende Abdeckung wird bewusst akzeptiert. Drittens: wer zeichnet diese Akzeptanz, und wer trägt Nacharbeit, Rückruf, Reputationsschaden oder aufsichtliche Nachfrage, wenn der Fehlschlag eintritt.
Fehlen diese drei Punkte, diskutiert ihr Qualität als Wunsch. Stehen sie, wird Qualität zu einer Risikozeichnung mit Folge. Beyond Chiefs bewertet das als Architekturfrage vor jeder Freigabe. Wie verbreitet diese Praxis in DACH ist, bleibt hier offen und wird nicht geschätzt.
Für Hochrisiko-KI-Systeme setzt Artikel 10 der Verordnung (EU) 2024/1689 (KI-Verordnung) Daten-Governance und Qualitätskriterien fest. Trainings-, Validierungs- und Testdatensätze müssen unter anderem relevant und hinreichend repräsentativ sein sowie soweit wie möglich fehlerfrei und vollständig im Hinblick auf den Verwendungszweck. Die Praktiken umfassen unter anderem Herkunft der Daten, Aufbereitung, Annahmen, Bias-Prüfung und den Umgang mit Lücken.
Das ist eine regulatorische Pflicht für Anbieter und für Datensätze im Hochrisiko-Kontext. Es ist keine Stellenbeschreibung. Artikel 10 sagt euch, welche Qualitätsmaßstäbe gelten. Er sagt euch nicht, welcher Name in eurem Organigramm eine Freigabe trotz bekannter Mängel zeichnet und den Fehlschlag absorbiert. Im Hochrisiko-Bereich bleibt Artikel 10 Absatz 2 Buchstabe h trotzdem verbindlich: relevante Datenlücken oder Mängel, die die Einhaltung der Verordnung gefährden, müssen identifiziert und es muss geklärt werden, wie sie behoben werden können. Eine interne Risikozeichnung ersetzt diese Pflicht nicht. Die Lücke, wer zeichnet, bleibt interne Architektur, auch wenn der Text der Verordnung zur Datensatzqualität klar ist.
Die Suche nach einem kombinierten Data- und Analytics-Sitz beantwortet eine andere Frage: wer Data und Analytics trägt und wie dieser Sitz zur KI-Führung steht. Das bleibt auf der Seite CDAO Search DACH. Hier geht es um die Freigabe unter Defekt: wer akzeptiert bekannte Datenmängel als Restrisiko und wer zahlt, wenn die Annahme falsch war.
Ihr könnt beide Fragen derselben Person zuweisen. Dann muss die Risikozeichnung der Freigabe ausdrücklich in diesem Auftrag stehen, nicht nur als Nebenbemerkung unter Governance. Ihr könnt die Fragen auch trennen. Dann braucht die Freigabe trotzdem einen Namen, sonst landet der Fehlschlag wieder beim kollektiven Vorstand.
Wenn ihr für diese Risikozeichnung eine Führungsbesetzung braucht, wendet euch an Beyond Chiefs zum retained Mandat für KI-Führung.
